JSON 不是程式語言，而是一種資料格式
很多人第一次看到 JSON，會以為那是一種很難的程式語言。它看起來有大括號、冒號、逗號，還有一堆英文欄位，確實不像一般人平常會看的文字。
但 JSON 本質上沒有那麼可怕。你可以先把它想成一種資料表達方式。它的工作不是讓你寫邏輯，而是把資料整理成電腦和 API 都看得懂的樣子。
例如你請 AI 分析一份履歷，最後希望得到姓名、技能、經驗年資、建議修改方向。如果只是用一般段落寫出來，電腦很難穩定抓出每個欄位。但如果整理成 JSON，每個資訊就會有固定位置。
這也是為什麼想做 AI 小工具的人一定會遇到 JSON。你不是只跟 AI 聊天，而是要把 AI 的輸入、輸出和後續處理串起來。只要進到 API 和自動化流程，資料就不能一直停留在自然語言。
AI 工具需要 JSON，因為工具不能只靠一大段文字運作
你平常使用 ChatGPT，可以直接貼一段文字，然後看它回覆。這種方式適合人工閱讀，但不一定適合做成工具。
工具需要穩定。假設你做一個履歷分析器，畫面上要顯示分數、優點、問題、建議、適合職缺。如果 AI 每次都用不同順序、不同句型、不同標題回答，你的程式就很難知道哪一段要放到哪裡。
JSON 的價值就在這裡。它可以把 AI 的回答整理成固定欄位。例如 score 放分數，strengths 放優點，issues 放問題，suggestions 放建議。這樣前端畫面、資料庫、報表和後續流程都比較容易接上。
這跟一般上班族也有關係。你可能暫時不寫程式，但只要你開始用 AI 整理資料、做表格、產生報告、分類客戶問題，你就會碰到同一件事：輸出不能只是看起來像答案，而是要能被下一步使用。
AI 工具流程
JSON 讓 AI 回答變成下一步能處理的資料
JSON 的基本樣子：欄位名稱加上欄位內容
JSON 最常見的結構，是一組一組欄位名稱和欄位內容。你可以把它想成表單。左邊是欄位名稱，右邊是這個欄位的內容。
例如一份很簡單的履歷分析結果，可能長這樣：{ "role": "AI 應用工程師", "skills": ["Python", "API", "Prompt"], "ready": false }。
這段看起來像程式，但你先不用急著背語法。你只要先看懂三件事。第一，role 是欄位名稱，AI 應用工程師是它的內容。第二，skills 裡面有多個項目，所以用清單表示。第三，ready 是 true 或 false，代表是否符合某個判斷。
這種結構對 AI 工具很重要。因為工具通常不是只要一段漂亮文字，而是要知道每個欄位代表什麼，接著才能決定畫面怎麼顯示、資料怎麼保存、下一步要不要提醒使用者。
JSON 基本結構
先看懂欄位，不用一開始背完整語法
Prompt 寫得好不好，會影響 JSON 能不能穩定產出
前面講 Prompt 時，我一直強調 Prompt 不是咒語，而是任務說明。到 JSON 這裡，你會更明顯感覺到這件事。
如果你只跟 AI 說「幫我分析這份履歷」，它可能回你一段文章，也可能列點，也可能加上自己的標題。這些都能看，但不一定能接進工具。
如果你希望 AI 回傳 JSON，就要在 Prompt 裡明確說明欄位。比如請它回傳 candidate_level、matched_skills、missing_skills、rewrite_suggestions。你也要說清楚哪些欄位是文字，哪些欄位是清單，哪些欄位是 true 或 false。
這就是 AI 應用工程和單純聊天的差別。聊天只要人看得懂就好。工具需要穩定格式，因為後面還有程式要接、畫面要顯示、資料要保存。
API 常用 JSON 交換資料，因為它清楚又容易處理
你前面已經看過 API 的概念：一個工具把請求送給外部服務，外部服務再回傳結果。JSON 常常就是請求和回應中間使用的格式。
以 OpenAI API 來說，你可能會把模型名稱、使用者輸入、系統指令、輸出格式一起送出去。服務處理完後，也會回傳一份結構化結果。實際欄位會依 API 設計不同而改變，但核心概念一樣：用固定格式交換資料。
這對新手很重要。很多人學 API 卡住，不是因為 API 本身太難，而是看不懂 request body、response、headers、JSON 這些字。當你先懂 JSON，再看 API 文件就不會每一行都像外星文。
如果你想做 AI 小作品，JSON 幾乎一定會出現。履歷分析器要回傳分析欄位，PDF 摘要工具要回傳章節重點，客服 FAQ bot 要回傳答案和參考依據。這些都需要資料格式。
API 資料交換
JSON 是工具和 AI 服務之間常見的溝通格式
新手常見問題：看得懂意思，但忽略格式細節
JSON 最容易讓新手煩躁的地方，不是概念，而是格式很嚴格。少一個逗號、少一個引號、括號沒有關好，程式就可能讀不懂。
這也是為什麼很多人覺得 AI 回傳 JSON 很方便，但實作時又常常出錯。AI 有時候會多加說明文字，有時候會漏掉欄位，有時候會把應該是清單的地方寫成一般文字。這些都會讓後面的程式難以處理。
所以真正做 AI 工具時，不能只相信 AI 會乖乖照格式回答。你要設計檢查機制。例如確認欄位是否存在、型態是否正確、資料是否合理。這些工作看起來不刺激，但會決定工具能不能穩定使用。
這裡可以製造一點合理焦慮：如果你只會在聊天框裡問問題，JSON 看不懂好像沒差。但如果你想把 AI 做成作品、流程或產品，資料格式就是繞不開的基本功。
新手怎麼開始學 JSON？先讀懂，再動手改
你不需要一開始背完整規格。比較實際的做法，是先拿幾個簡單範例來讀。看懂哪裡是欄位名稱、哪裡是文字、哪裡是數字、哪裡是清單、哪裡是 true 或 false。
接著，你可以練習把一段工作資料改成 JSON。例如把一封客訴信整理成 customer_issue、urgency、suggested_reply。或把一份會議紀錄整理成 decisions、tasks、owners、due_dates。
再下一步，才是用 Python 讀 JSON。你可以學會把 JSON 轉成 Python 裡的資料，再取出某個欄位。這個能力會直接接到 OpenAI API、PDF 摘要工具、FAQ bot 和履歷分析器。
學 JSON 的目標不是成為資料格式專家，而是讓你看懂 AI 工具裡資料怎麼流動。當你看得懂資料，就比較不會只停留在問 AI，而會開始設計流程。